Zobrazeno 1 - 10
of 63 994
pro vyhledávání: '"AS Gungor"'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Şahin, Güngör, Türk, Fahri
Publikováno v:
Elektronik Siyaset Bilimi Araştırmaları Dergisi / Electronic Journal of Political Science Studies. 13(24):93-96
Externí odkaz:
https://www.ceeol.com/search/article-detail?id=1046821
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Wang, Han, Sundararaman, Mukuntha Narayanan, Gungor, Onur, Xu, Yu, Kamath, Krishna, Chalasani, Rakesh, Hazra, Kurchi Subhra, Rao, Jinfeng
To improve relevance scoring on Pinterest Search, we integrate Large Language Models (LLMs) into our search relevance model, leveraging carefully designed text representations to predict the relevance of Pins effectively. Our approach uses search que
Externí odkaz:
http://arxiv.org/abs/2410.17152
Autor:
Gungor, Cagri, Kovashka, Adriana
While motion has garnered attention in various tasks, its potential as a modality for weakly-supervised object detection (WSOD) in static images remains unexplored. Our study introduces an approach to enhance WSOD methods by integrating motion inform
Externí odkaz:
http://arxiv.org/abs/2409.09616
Autor:
Gungor, Cagri, Kovashka, Adriana
First-person activity recognition is rapidly growing due to the widespread use of wearable cameras but faces challenges from domain shifts across different environments, such as varying objects or background scenes. We propose a multimodal framework
Externí odkaz:
http://arxiv.org/abs/2409.09611